基于LS-SVR岩石爆破块度预测

为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验。结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势。

基于LS-SVM的矿用异步电机定子故障诊断

针对矿用异步电机定子匝间短路故障,提出了一种故障诊断的方法,该方法结合了小波包熵和最小二乘支持向量机,通过样本误差来选择贡献量比较大的样本,同时又顾及到其它样本的一些属性,再通过最小二乘支持向量机来进行训练,能够保证算法的精度和推广的能力,加快训练速度。此方法具有鲁棒性和快速性,同时它也会削弱部分干扰样本的影响,从而减少误差的概率。通过实验方法结果显示,所提出的方法有效可行。